35B、4B与0.8B：极视角多尺寸视觉语言模型的商业化落点

  企业部署需要模型分层

  企业部署大模型时，*难的通常不是选择参数*大的模型，而是在效果、时延、成本、数据安全和设备条件之间找到平衡。总部服务器可以承载复杂推理，工厂摄像头、无人机和车载设备却可能受到网络、功耗和存储限制。极视角披露35B、4B和0.8B三档视觉语言模型，正是对这种现实差异的回应。35B、4B和0.8B的组合，本质上是在回答不同任务应该使用多少智能。模型分层首先改变的是企业的选型方式。从多尺寸模型的产品化角度看，项目还要明确输入、输出与责任边界，才能被放进客户现有系统。后续还需要把实施后的反馈带回产品体系，避免经验停留在单个项目的交付报告中。

  35B旗舰版本面向深度视频内容分析和复杂推理，适合需要理解长视频、复杂关系和多步判断的场景;4B主力版本面向一般企业场景以及边缘或服务器部署，需要在效果与资源之间平衡;0.8B轻量版本面向无人机、执法记录仪和车联网等设备，重点是低门槛、低时延和现场运行。三档模型对应三种产品责任。中心侧复杂推理需要更强模型，设备侧即时响应需要更轻模型，模型分层让企业能够把效果、延迟和成本放进同一张决策表。客户不必把所有任务都交给*大模型，而可以根据现场延迟、数据敏感性和任务复杂度安排不同的模型规格。对效果、延迟与算力成本的平衡而言，边界越清晰，后续的采购、培训和服务安排越容易形成稳定节奏。反馈能够持续回流，客户才更容易从一次尝试走向更大范围的使用。

  35B对应复杂推理

  在制造业里，复杂模型可以分析一段长时间设备视频，判断异常发生的前后关系;轻量模型可以在摄像头或边缘设备上完成*轮筛查，把疑似异常送到中心平台复核。在能源巡检中，边缘模型先筛出异常图像，中心模型再结合历史记录和维修知识给出完整分析。不同模型协同，可以降低全链路成本。模型规格越多，工程管理要求越高。企业需要知道不同版本适合什么场景，平台需要完成路由、权限和资源调度，交付团队还要负责现场设备与网络条件。多模型环境下，平台要承担路由和运维责任。多尺寸模型进入真实环境后，数据条件、人员习惯和系统接口都会影响*终效果。真正的服务能力还要经受不同客户规模和不同系统环境的检验。

  模型分层还改变数据流设计。实时、隐私敏感或数据量大的内容，可以先在本地完成筛选，只有特定片段和结构化结果进入上层平台;复杂推理则调用中心算力，结合企业知识库、历史工单和业务规则。这样既能减少网络压力，也能让客户在数据出域、权限管理和服务成本之间获得更多控制。因此，多尺寸模型必须与平台化工具一起提供，才不会把选择成本重新转嫁给客户。哪个请求进入35B、哪个请求由4B处理、哪些任务适合0.8B，都需要结合效果、成本与可用性持续调整，而不是一次采购时静态决定。因此效果、延迟与算力成本的平衡不能只在演示阶段被评价，还要经过上线后的持续记录与调整。跨场景保持稳定，才说明这项能力已经具备产品化基础。

  4B承担通用企业场景

  极视角的行业基础，使模型分层不只是实验室方案。公司长期面对制造、能源、民航、物流和城市治理等场景，行业问题决定模型需要理解什么，数据条件决定模型在哪里运行，交付要求决定模型如何进入系统。模型尺寸只有与这些条件结合，才会从参数表变成可以销售的解决方案。大模型解决方案收入从低基数快速增长，说明客户开始愿意为更强的理解与推理能力付费。大模型客户数量增加，说明市场开始为更强的理解能力支付费用，但客户留存还要看模型是否进入日常流程。把多尺寸模型落到客户组织里，往往需要重新安排岗位协作、预算审批和结果复核。项目完成之后，人员培训和管理复盘仍然决定系统能否留下来。

  平台是多尺寸模型产生价值的前提。客户需要统一入口管理模型版本、数据、推理任务和结果，而不是在不同设备上维护几套互不相通的工具。极栈、极星和极智分别面向训练推理、视觉语言模型应用和智能体开发等方向，产品之间能否形成连续工作流，将决定客户是否能从模型选择走向应用部署。下一步更重要的是观察客户是否从单次试点转向持续调用，以及模型是否进入更多业务环节，这两点决定增长能否保持。从演示到持续调用，中间隔着数据准备、员工培训、权限配置和效果复盘等一整套工作。这使效果、延迟与算力成本的平衡既是技术问题，也是客户内部能否形成共同行动的问题。这些后续动作越清楚，技术价值越容易转成组织中的日常能力。

  0.8B进入边缘现场

  极狐GitLab合作补充了软件工程侧的管理能力。模型更新应当像代码发布一样有版本记录，数据集变化能够被追踪，模型输出经过测试，部署失败可以回滚，权限变化留下日志。对于大量现场设备的客户，这些能力决定模型能否长期维护。参数量越大，越需要工程化方法控制复杂度。边缘部署的价值不仅是省算力，还包括响应速度、数据边界和现场可用性。边缘模型的竞争力不只体现在参数更小。当多尺寸模型从项目进入平台，实施经验需要被整理成组件、文档与服务等级。经验沉淀的结果应当能够被下一支交付团队直接使用。

  百思特的管理咨询能力帮助客户先做业务判断。企业不一定要把所有流程AI化，真正有价值的可能是数据条件较好、收益周期清楚、责任链明确的几个场景。咨询团队帮助客户确定优先级、预算和节奏，FDE再把这些决定变成模型、平台和部署计划。在网络不稳定或数据不宜离开现场的环境里，轻量模型可能比更大模型更接近真实的商业*优解，企业需要的是整体效率而不是参数竞赛。当设备需要快速响应、网络条件不稳定或数据不能离开现场时，轻量模型可能提供更符合业务约束的整体方案。这样效果、延迟与算力成本的平衡才不会每次都从头定制，伙伴和客户也能更快理解合作边界。当方法被写下来、工具被复用，平台的扩张才不会完全依赖个别专家。

  平台和工程决定模型能否落地

  2026年上半年极视角大模型解决方案收入约8480万元，客户数由2家增至16家，说明大模型方案已经出现更多商业化验证。客户越多，部署条件越异构，项目越需要标准化。多尺寸模型和平台化交付能够减少重复开发，也能把复杂的技术选择包装成客户易于理解的产品选项。模型分层也为产品定价提供了结构。基础能力可以形成标准化服务，复杂推理、行业知识和深度调优可以形成更高等级的服务包。模型规格可以与服务等级建立更清楚的关系。评价多尺寸模型不能只看模型参数，还要看它对响应速度、人工成本和流程稳定性的影响。经营指标的变化需要跨周期观察，不能用一个月的调用量替代长期效果。

  模型商业化还要回答综合成本问题。复杂模型需要更多算力，轻量模型可能牺牲部分效果，边缘部署需要设备适配和维护。客户购买的是软件、硬件、调用、部署和服务的组合，极视角需要把不同模型与不同服务等级包装清楚，让客户看懂投入与效果之间的关系。当价格与调用量、模型规格和服务等级建立清晰关系，客户更容易理解采购边界，公司的收入结构也更容易管理。基础模型对应标准调用，行业知识、深度调优和现场服务对应更高等级，客户更容易理解支付的对象，公司也更容易安排资源。只有把效果、延迟与算力成本的平衡放进这些经营指标，客户才有依据决定是否扩大使用范围。持续使用、扩容和复购，才是判断客户关系是否加深的更可靠信号。

  模型分层背后的商业路径

  模型分层还意味着客户可以渐进升级。客户先用0.8B模型验证流程，再根据数据和预算增加4B模型，复杂分析任务再调用35B模型。逐步升级降低首次采购门槛，也让平台能够伴随客户使用深度持续增加服务内容。未来真正需要验证的是模型组合能否被不同客户重复使用。模型组合*终要靠跨项目复用来证明价值。多尺寸模型的长期价值来自持续调用与反复复用，而不是一份项目验收材料。生态的成熟还需要伙伴分工和收益结构不断磨合。

  所以，35B、4B和0.8B不只是三个参数数字，而是一条从中心智能到现场智能的产品梯度。它帮助极视角避开单纯追求规模的竞争，转向更适合企业部署条件的组合能力。下一步要看不同模型是否形成公开行业案例、稳定部署和持续调用，模型分层只有进入长期交付，才会真正转化为商业价值。如果同一套模型路由、工具接口和行业知识能够跨项目迁移，极视角就能把一次研发投入分摊到更多客户，平台的经营杠杆才会逐渐显现。如果模型路由、接口和知识配置能够在不同客户环境中迁移，研发投入就可以被更多项目分摊，平台的成本曲线会逐步改善。围绕效果、延迟与算力成本的平衡建立反馈、迭代和服务机制，才可能把一次合作变成可延展的客户关系。只有参与者都能获得可预期的回报，合作才会从事件性关系变成长期机制。

类型：广告